Sensitivitätsanalyse in der Gesundheitsökonomie: Umgang mit Unsicherheit

Die Sensitivitätsanalyse ist ein unverzichtbares methodisches Werkzeug in der gesundheitsökonomischen Evaluation. Sie dient dazu, die Robustheit der Ergebnisse von Kosten-Effektivitäts-Analysen (KEA), Kosten-Nutzwert-Analysen (KNWA) oder Kosten-Nutzen-Analysen (KNA) zu überprüfen, indem sie die Auswirkungen von Unsicherheiten in den zugrunde liegenden Parametern auf das Endergebnis untersucht [1]. Da gesundheitsökonomische Modelle oft auf Schätzungen, Annahmen und Daten aus verschiedenen Quellen basieren, die mit einem gewissen Grad an Unsicherheit behaftet sind, ist die Sensitivitätsanalyse entscheidend, um die Verlässlichkeit der Schlussfolgerungen zu beurteilen und fundierte Entscheidungen zu ermöglichen.

Definition und Bedeutung

Eine Sensitivitätsanalyse ist eine Technik, die systematisch untersucht, wie sich Änderungen in den Eingabeparametern eines Modells auf die Modellausgabe auswirken. Im Kontext der Gesundheitsökonomie bedeutet dies, zu prüfen, wie empfindlich das Kosten-Effektivitäts-Verhältnis (z.B. ICER) oder der Nettonutzen auf Variationen von Kosten, Effekten, Diskontierungssätzen oder anderen Annahmen reagiert [2].

Die Bedeutung der Sensitivitätsanalyse liegt darin, dass sie:

• Unsicherheiten aufzeigt: Sie identifiziert, welche Parameter den größten Einfluss auf das Ergebnis haben und wo weitere Forschung oder präzisere Daten am dringendsten benötigt werden.
• Robustheit der Ergebnisse bewertet: Sie gibt Aufschluss darüber, ob die Schlussfolgerungen einer Evaluation auch dann noch gültig sind, wenn sich die Annahmen ändern.
• Entscheidungsfindung unterstützt: Sie hilft Entscheidungsträgern, das Risiko von Fehlentscheidungen zu minimieren, indem sie die Bandbreite möglicher Ergebnisse und die damit verbundenen Unsicherheiten transparent macht [3].

Arten der Sensitivitätsanalyse

Es gibt verschiedene Ansätze zur Durchführung einer Sensitivitätsanalyse, die je nach Art der Unsicherheit und dem Ziel der Analyse eingesetzt werden:

1. Univariate Sensitivitätsanalyse (Ein-Wege-Analyse)

Dies ist die einfachste Form der Sensitivitätsanalyse. Dabei wird jeweils nur ein Parameter variiert, während alle anderen Parameter konstant gehalten werden. Die Variation erfolgt typischerweise innerhalb eines plausiblen Bereichs (z.B. Konfidenzintervalle, Min/Max-Werte oder +/- 20% des Basiswerts). Die Ergebnisse werden oft in Tornado-Diagrammen dargestellt, die visuell zeigen, welche Parameter den größten Einfluss auf das Ergebnis haben [4].

2. Multivariate Sensitivitätsanalyse (Mehr-Wege-Analyse)

Bei dieser Methode werden zwei oder mehr Parameter gleichzeitig variiert. Dies ist besonders nützlich, wenn Parameter miteinander korreliert sind oder wenn die Unsicherheit in mehreren Parametern gleichzeitig berücksichtigt werden soll. Ein Beispiel ist die Zwei-Wege-Sensitivitätsanalyse, bei der zwei Parameter über einen bestimmten Bereich variiert werden und die Ergebnisse in einer Matrix oder einem Diagramm dargestellt werden [5].

3. Probabilistische Sensitivitätsanalyse (PSA)

Die PSA ist eine fortgeschrittenere Methode, die die Unsicherheit aller Parameter gleichzeitig berücksichtigt. Dabei werden für jeden unsicheren Parameter Wahrscheinlichkeitsverteilungen definiert (z.B. Normalverteilung, Beta-Verteilung). Anschließend wird das Modell tausende Male simuliert, wobei bei jeder Simulation zufällig Werte aus diesen Verteilungen gezogen werden (Monte-Carlo-Simulation). Die Ergebnisse der PSA sind Wahrscheinlichkeitsverteilungen für das Kosten-Effektivitäts-Verhältnis oder den Nettonutzen, die oft in Kosten-Effektivitäts-Akzeptanzkurven (Cost-Effectiveness Acceptability Curves, CEAC) dargestellt werden [6]. Die CEAC zeigt die Wahrscheinlichkeit, dass eine Intervention bei einem gegebenen Schwellenwert für die Zahlungsbereitschaft als kosteneffektiv angesehen wird.

4. Schwellenanalyse (Threshold Analysis)

Diese Analyse identifiziert den Schwellenwert eines Parameters, bei dem sich die Entscheidung ändert. Zum Beispiel könnte man fragen: „Wie hoch darf der Preis eines neuen Medikaments maximal sein, damit es noch als kosteneffektiv gilt?“ oder „Welche Effektivität muss eine Intervention mindestens erreichen, um bei gegebenen Kosten akzeptabel zu sein?“ [7].

5. Analyse der Extreme (Worst-Case/Best-Case Analysis)

Hierbei werden die extremsten Kombinationen von Parameterwerten verwendet, um den bestmöglichen und den schlechtestmöglichen Fall für die Intervention zu simulieren. Dies gibt einen Überblick über die gesamte Bandbreite möglicher Ergebnisse unter extremen Annahmen.

Anwendung in der Gesundheitsökonomie

Die Sensitivitätsanalyse ist ein integraler Bestandteil jeder fundierten gesundheitsökonomischen Evaluation und findet in verschiedenen Kontexten Anwendung:

• Bewertung neuer Technologien: Bei der Einführung neuer Medikamente oder Therapien hilft die Sensitivitätsanalyse, die Unsicherheit bezüglich der langfristigen Kosten und Effekte zu managen.
• Entscheidungsfindung: Sie unterstützt politische Entscheidungsträger und Krankenkassen bei der Beurteilung, ob eine Intervention unter verschiedenen Annahmen immer noch als kosteneffektiv angesehen werden kann.
• Identifikation von Forschungsbedarf: Parameter, die eine hohe Sensitivität aufweisen, aber mit großer Unsicherheit behaftet sind, signalisieren einen Bedarf an weiterer Forschung, um präzisere Daten zu erhalten.
• Transparenz und Glaubwürdigkeit: Eine umfassende Sensitivitätsanalyse erhöht die Transparenz und Glaubwürdigkeit der Ergebnisse einer ökonomischen Evaluation [8].

Herausforderungen und Limitationen

Obwohl die Sensitivitätsanalyse von großer Bedeutung ist, gibt es auch Herausforderungen:

• Komplexität: Insbesondere die probabilistische Sensitivitätsanalyse kann methodisch anspruchsvoll sein und erfordert spezielle Software und Expertise.
• Wahl der Verteilungen: Die Definition der Wahrscheinlichkeitsverteilungen für die Parameter in der PSA kann subjektiv sein und die Ergebnisse beeinflussen.
• Interpretation: Die Ergebnisse, insbesondere von multivariaten Analysen, können komplex sein und erfordern eine sorgfältige Interpretation.
• Nicht alle Unsicherheiten erfassbar: Eine Sensitivitätsanalyse kann nur die Unsicherheit von Parametern berücksichtigen, die im Modell enthalten sind. Strukturelle Unsicherheiten (z.B. ob das Modell die Realität adäquat abbildet) sind schwieriger zu erfassen.

Fazit

Die Sensitivitätsanalyse ist ein unverzichtbares Instrument in der Gesundheitsökonomie, um die Auswirkungen von Unsicherheiten auf die Ergebnisse von ökonomischen Evaluationen zu bewerten. Sie erhöht die Robustheit und Glaubwürdigkeit von Analysen und liefert wichtige Informationen für eine evidenzbasierte Entscheidungsfindung. Durch die systematische Untersuchung, wie sich Änderungen in den Parametern auf die Modellausgabe auswirken, hilft sie, die kritischsten Unsicherheitsfaktoren zu identifizieren und den Forschungsbedarf zu priorisieren. Eine transparente und umfassende Durchführung der Sensitivitätsanalyse ist entscheidend, um die Verlässlichkeit gesundheitsökonomischer Empfehlungen zu gewährleisten und eine rationale Allokation knapper Ressourcen im Gesundheitswesen zu unterstützen.

Referenzen

1. BWL-Lexikon: Sensitivitätsanalyse
2. StudySmarter: Gesundheitsökonomische Evaluationen II – Cheatsheet
3. TU Berlin: Empirische Methoden in der Gesundheitsökonomie
4. Springer: Gesundheitsökonomie
5. DIMDI: Entscheidungsanalytische Modelle zur Sicherung der
6. PubMed: Sensitivity analysis in economic evaluation: an audit of
7. Springer: Gesundheitsökonomie
8. Springer: Der analytic hierarchy process (ahp): Eine methode zur entscheidungsunterstützung im gesundheitswesen